Abstract: | 銑削是一種極為常見的加工方式,所以在銑削 加工中如何把效率做到最高是現代加工的一大課題。 本研究應用全面生產維修(TPM, Total Production Maintenance)概念來延長機台使用時間,使機台使用 時間增長,維修停機時間縮短;會影響加工時長的原 因有許多,例如:刀具壽命、切削轉速、切削深度、 進刀量等,但如更換這些控制因子再去使用全因子實 驗會花費太多時間與成本,所以本研究會先應用田口 方法來優化數據,再使用倒傳遞類神經網路(BPN, Back Propagation Neural Network)以及支持向量回歸 (SVR, Support Vector Regression)來進行模型預測和 比較,希望能在不耗費大量成本下找到最佳化加工參 數,提高加工效率。 近年來隨著人工智慧的崛起及演算法的進步, SVR 被廣泛應用在多種領域,因此本研究利用 SVR 與 BPN 來建模,對於銑削加工參數來預測出最佳的 參考組合,利用 SVR 建模所需樣本少的特性,以田 口方法中的直交表來減少實驗次數,使用建立好的 SVR 與 BPN 的最佳化預測模型進行運算、比較,進 而找出適合的預測法,再以此最佳的預測模型進行全 因子實驗找出最佳解。 |